我假设你想用矩阵运算来完成它，所以我做了以下工作。

dd <- data.frame(Name = c("A", "B"), 
            Value = c(1,2))
 M <- matrix( dd$Value, 2,2, dimnames=list( dd$Name, dd$Name))
 M
#  A B
#A 1 1
$B 2 2

M - t(M)
#  A  B
#A 0 -1
#B 1  0

您可以使用函数outer-

df <- data.frame(Name = c("A", "B"), Value = c(1,2))
mat <- t(outer(df$Value, df$Value, `-`))
dimnames(mat) <- list(df$Name, df$Name)
mat

#   A B
#A  0 1
#B -1 0

这不是公平吗？

col(df) - df$value

     [,1] [,2]
[1,]    0    1
[2,]   -1    0

with(df, structure(col(df) - value, .Dimnames = list(name, name)))
   A B
A  0 1
B -1 0

使用col()进行索引的替代方法：

mat <- array(df$Value, rep(nrow(df), 2), dimnames = list(df$Name, df$Name))
df$Value[col(mat)] - mat

#    A B
# A  0 1
# B -1 0

tidyverse解决方案：

df <- data.frame(name = c("A", "B"), value = c(1,2))

df |> 
  bind_cols(df |> pivot_wider()) |> 
  transmute(across(A:B, \(x) x - value))

   A B
1  0 1
2 -1 0

• 注意name和value在本例中是小写的。如果它们是大写的，或者如果有其他列名，请在pivot_wider()中使用names_from和values_from参数。

例如：pivot_wider(names_from = 'Name', values_from = "Value")。